## Exerccios de Teste de Hiptese e Simulao
### Ana Carolina Luchetta

##Crie seus dados
source ("simula.r")
hip.a <- rnorm (10, mean=6, sd=3)
hip.b <- rnorm (10, mean=7.5, sd=3.2)
diferentes <- abs(mean(hip.a)-mean(hip.b))    #para saber a diferena absoluta (pois  assim que retorna a funo simula)
simulado <- simula (hip.a, hip.b, nsim=1000)  #gera um grfico com a simulao
maiores <- sum (diferentes>=simulado)
dif.media <- maiores/length(simulado)         #preciso dividir pelo meu nmero de simulaes
dif.media                                     #Tenho 92.8% de chance de erro de ter valores a cima da mdia. As mdias so diferentes entre si e diferentes da pedida pela hiptese. Isso por que estamos calculando dados de parte da populao, e no de toda a populao.

simulado.unicaudal <- simula (hip.b, hip.a, nsim=1000, teste="uni")
maiores.uni <- sum (diferentes>=simulado.unicaudal)
dif.media.uni <- maiores.uni/length(simulado.unicaudal)
dif.media.uni                                 #96% de chance da erro de que hiptese A ter mdia maior que a hiptese B. Como deu maior que 5%, certamente as mdias so iguais (rejeito minha hiptese de que elas seriam diferentes).

t.test(hip.a, hip.b)                          #Tete-t para a mdia das amostras. Neste caso, p=0.06874, corrobora com minha hiptese nula, de que no h diferena. E assim como o  anterior, no rejeitou a hiptese nula (mdias so iguais). Assim como o clculo do exerccio anterior. a diferena encontrada no p se explica pelos nmeros randmicos utilizados.
t.test(hip.a, hip.b, alternative="greater")   #Rejetia que A  maior que B
t.test(hip.b, hip.a, alternative="greater")   #Rejeita que B  maior que A

hip.a
hip.b
summary(hip.a)
summary(hip.b)
summary(hip.a, hip.b)
length (hip.a)
length (hip.b)
class (hip.a)
class (hip.b)
boxplot (hip.a, hip.b)                        #plotando caixa e bigodes de ambas as hipteses

#a funo "simula" simula uma distribuio nula, em testes unicaudal ou bicaudal (nroma) ou em uma distribuio t. Ja na funo t.test, a premissa  que a distribuio  normal e a homogeneidade da varincia (as mesmas premissas da funo simula).
hipoteses <- c(hip.a, hip.b)
qqnorm(hipoteses)
qqline(hipoteses, col="blue") 
boxplot(hip.a, hip.b, hipoteses)
bartlett.test(hipoteses, rep(c("A", "B"), each=10))  #atravs deste teste, podemos testar a homogeneidade da varincia

##Caixeta de NOVO?!
caix <- read.csv ("caixeta.csv", headre=TRUE, sep=",")
head (caix)
caix$raio <- caix$cap/(2*pi)
caix$area <- (caix$raio)^2*pi
head (caix)
soma.fustes <- aggregate(caix$area,list(caix$arvore, caix$local), sum) #no esquecer de separar a rvore por local (atravs do list), pois existe rvore 1 nos 3 locais, por exemplo.
soma.fustes
colnames(soma.fustes) <- c("rvore", "Local", "rea")
soma.fustes <- tapply(caix$area,list(caix$arvore, caix$local), sum)
